Presentazione

Organizzazione della Didattica

DM270
SCIENZE STATISTICHE ORD. 2014


9

Corsi comuni

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 42 0 22 69

Periodo

AnnoPeriodo
II anno1 semestre

Frequenza

Facoltativa

Erogazione

Convenzionale

Lingua

Inglese

Calendario Attività Didattiche

InizioFine
01/10/201620/01/2017

Tipologia

TipologiaAmbitoSSDCFU
affine/integrativo Nessun ambitoSECS-S/039


Responsabile Insegnamento

ResponsabileSSDStruttura
Prof. PAGGIARO ADRIANOSECS-S/03Dipartimento di Scienze Statistiche

Altri Docenti

Non previsti.

Attività di Supporto alla Didattica

Non previste.

Bollettino

Modelli Statistici 1, Statistica 2

La necessità di inferire nessi causali da osservazioni empiriche è sempre più sentita in diversi campi applicativi, fra i quali l'epidemiologia, la biostatistica, l'economia e le scienze sociali. Il corso presenta diversi approcci e metodi per l'inferenza causale sia dal punto di vista metodologico che con numerosi studi di caso su dati reali. L'obiettivo e' consentire allo studente di individuare di volta in volta il metodo più adatto alla soluzione di un problema concreto e di utilizzarlo ed interpretarne i risultati in modo appropriato.

Lezioni teoriche frontali e studi di caso con software statistici in aula ASID

1) Introduzione - inferenza statistica e causalità - dati sperimentali, osservazionali e quasi-sperimentali; selection bias - cenni ai diversi approcci per l'inferenza causale 2) Approccio con risultati potenziali: Rubin Causal Model - eventi fattuali e controfattuali - metodi di identificazione dell'impatto parametrici e non parametrici - selezione nelle osservabili: regressione, p-score matching, Regression Discontinuity Design - selezione nelle non osservabili: variabili strumentali, diff-in-diff 3) Modelli ad equazioni strutturali (SEM) - modelli strutturali e causalità - specificazione, identificazione e stima di modelli complessi - effetti diretti e indiretti: path analysis, mediazione e moderazione - modelli con variabili latenti e/o errori di misura

Prova pratica in aula informatica e discussione dei risultati.

Lo studente deve dimostrare autonomia e spirito critico nell'applicare le metodologie acquisite nel corso per la soluzione di casi reali.

Kline, Rex B., Principles and practice of structural equation modeling. New York: Guilford press, 2011 Acock, Alan C., Discovering structural equation modeling using Stata. Texas: Stata Press, 2013 Angrist, Joshua D.; Pischke, Jörn-Steffen, Mastering Metrics: The path from cause to effect. Princeton: Princeton University Press, 2015

Materiale didattico distribuito dal docente